无人驾驶之MATLAB无人驾驶工具箱学习(4)

1.ADST中的APP

Ground Truth Labeler

标记路面实况数据。见无人驾驶之MATLAB无人驾驶工具箱学习（1）。

Driving Scenario Designer

设计驾驶情景，配置传感器，并合成物体检测。见无人驾驶之MATLAB无人驾驶工具箱学习(3)。

2.ADST中的功能块——按字母排序

多物体跟踪（Muti Object Tracker）

创建和管理多物体跟踪。

描述

多物体跟踪块创建并执行移动物体跟踪。该功能块初始化、确认、预测并删除跟踪。跟踪器输入为由雷达检测发生器和视觉检测发生器的检测结果。该跟踪器接受多传感器检测。检测根据最近邻准则（global nearest neighbor，GNN）分配执行跟踪。一个检测值分配一个跟踪。当可能没有分配时，跟踪器会创建一个新的跟踪。一个新的跟踪以“Tentative（假设）”状态作为起始。如果有充分的侦测信号分配给跟踪器，跟踪器状态转换为“确认（confirmed）”。当一个跟踪得到确认，可以信任跟踪到的是一个实体。如果在一定更新周期内没有跟踪到该物体的侦测信号，该跟踪将会被删除。跟踪器用卡尔曼滤波器最优地估计状态向量及状态向量的协方差矩阵。

雷达检测跟踪器（Radar Detection Generator）

从雷达测量中创建物体检测。

描述

雷达检测发生器功能块从安装在自主车辆上的雷达传感器中获得的雷达测量数据中产生检测结果。检测是从模拟的作用物姿势得到的，并且以等于传感器更新间隔的间隔生成。所有检测均参照自主车辆坐标系。发生器可以通过加入随机噪声模拟真实检测，及产生错误报警检测。统计模型产生测量噪声、真实检测和误报（false positive）。通过随机模型产生的随机数用随机数发生器控制，该发生器可以通过“Measurement”标栏进行设计。可以用雷达检测生成器创建多目标跟踪功能块的输入。

视觉检测跟踪器（Vision Detection Generator）

通过视觉测量检测物体和车道线

描述

视觉检测发生器功能块从安装在自主车辆上的视觉传感器获得的摄影测量中产生检测。检测是从模拟的作用物姿势得到的，并且以等于传感器更新间隔的间隔生成。所有检测均参照自主车辆坐标系。发生器可以通过加入随机噪声模拟真实检测，及产生错误报警检测。统计模型产生测量噪声、真实检测和误报（false positive）。通过随机模型产生的随机数用随机数发生器控制，该发生器可以通过“Measurement”标栏进行设计。可以用雷达检测生成器创建多目标跟踪功能块的输入。

检测并置（Detection Concatenation）

融合从不同传感器中得到的检测结果。

描述

检测并置模块融合多传感器的检测报告为一个输出。传感器模块包括雷达检测发生器、视觉检测发生模块器。当多传感器检测传入多目标跟踪模块时，并置是非常有用的。可以通过改变“Number of input sensors to conbine”参数增加输入端口数目来容纳额外的传感器。

自行车模型（Bicycle Model）

执行一个单线3自由度刚性车辆，来计算纵向、侧向和偏向运动。

描述

自行车模型功能块执行一个刚体两轴单线车体模型以计算纵向、横向及偏航运动。该功能块包含物体质量、空气动力阻力、以及由于加速度及转向造成的轴之间的质量分布。有两种自行车模型块。

块	实施
自行车模型-力输入	功能块用外部纵向力进行加速或刹车。 功能块用车轮偏航角和线性侧偏刚度（cornering stiffness）计算侧向力。
自行车模型-速度输入	功能块假设外部纵向速度为准稳态，因此纵向加速度近似为0。 因为运动为准稳态，该功能块只用车轮偏航角和线性侧偏刚度计算侧向力。